PENGGUNAAN FUZZY INFERENCE SYSTEM MODEL SUGENO PADA PENGENDALIAN SUHU RUANGAN

Transkripsi

1 P P P P PENGGUNAAN FUZZY INFERENCE SYSTEM MODEL SUGENO PADA PENGENDALIAN SUHU RUANGAN Wahyu Herman Susila 1, Wahyudi 2, Iwan Setiawan 2 Abstrak - Teknik kendali dengan menggunakan Fuzzy telah banyak diaplikasikan. Hal ini disebabkan sistem ini relatif mudah dan fleksibel, dirancang dengan tidak melibatkan model matematis yang rumit dari sistem yang dikendalikan. Struktur dasar pengendali Fuzzy terdiri dari empat komponen utama, yaitu Fuzzifikasi, Basis Pengetahuan, Mekanisme Penalaran Fuzzy, dan Defuzzifikasi. Proses defuzzifikasi disebut juga Fuzzy Inference System (FIS). Tiap model FIS berbeda untuk perhitungan maupun respon keluarannya Pada teknik kendali ini digunakan FIS model Sugeno karena mudah dalam proses perhitungannya. Tujuan dari tugas akhir ini adalah membuat sebuah kendali Fuzzy dan mengamati respon sistem yang dihasilkan. Masukan dari sistem kendali Fuzzy ini adalah sinyal kesalahan dan perubahan nilai sinyal kesalahan, sedangkan keluarannya adalah hasil dari proses FIS (nilai byte) yang nantinya digunakan sebagai sinyal kontrol pada plant. Pengendalian pada plant adalah pengendalian suhu ruangan dalam kotak berbentuk balok yang dilengkapi dengan elemen pemanas dan sensor suhu. Pengujian yang dilakukan berupa pengujian kalang terbuka, pengujian referensi tetap, pengujian referensi naik, pengujian referensi turun, dan pengujian dengan gangguan. Berdasarkan pengujian yang dilakukan dapat diketahui bahwa teknik kendali Fuzzy mampu menghasilkan respon seperti yang diharapkan, yaitu mampu mengurangi osilasi, nilai offset, dan sinyal kesalahan sampai dengan nol. Kata kunci : Fuzzy Inference System, model Sugeno, pengendalian suhu. I. PENDAHULUAN 1.1 Latar Belakang Logika fuzzy telah banyak diterapkan dalam bidang kontrol otomatis dan industri, karena proses kendali ini relatif mudah dan fleksibel dirancang dengan tidak melibatkan model matematis yang rumit dari sistem yang akan dikendalikan. Dalam merancang sistem kontrol logika fuzzy terdapat empat proses yaitu fuzzifikasi, basis pengetahuan, mekanisme penalaran Fuzzy, dan defuzzifikasi. Proses defuzzifikasi disebut juga Fuzzy Inference System (FIS). FIS berfungsi untuk mengkonversi tiap hasil mekanisme penalaran Fuzzy yang diekspresikan dalam bentuk Fuzzy-set ke bilangan real, hasil 1 Mahasiswa Teknik Elektro Universitas Diponegoro 2 Dosen Teknik Elektro Universitas Diponegoro 1 konversi diaplikasikan pada kendali logika Fuzzy. Tiap model FIS berbeda untuk perhitungan maupun respon keluarannya. FIS model Sugeno dipilih karena kemudahan dalam proses perhitungannya. Teknik kendali Fuzzy diuji atau diaplikasikan pada sebuah plant pengatur suhu ruangan. Sebuah PC (Personal Computer) dengan program kendali Fuzzy digunakan untuk pengendalian sekaligus untuk menampilkan respon dari sistem yang dikendalikan, sehingga karakteristik sistem termasuk di dalamnya adalah waktu tunda, waktu naik, waktu lonjakan, waktu penetapan, besarnya lonjakan maksimum, dan waktu pemulihan (recovery time) setelah pemberian gangguan dapat diamati. Penggunaan mikrokontroler AT89S51 adalah sebagai perangkat antarmuka (interface), yang berfungsi sebagai penghubung komunikasi antara PC dengan plant yang dikendalikan 1.2 Tujuan Tujuan dari pembuatan tugas akhir ini adalah membuat aplikasi sistem kendali Fuzzy pada pengendalian suhu ruangan yang proses defuzzifikasinya menggunakan Fuzzy Inference System model Sugeno Pembatasan Masalah Pembatasan masalah pada penulisan tugas akhir ini sebagai berikut : 1. Plant yang dikendalikan adalah elemen pemanas dengan daya 150 W. 2. Objek pengaturan adalah temperatur ruangan dalam kotak dengan ukuran ( ) cm, jangkauan pengaturan suhu adalah 35 ºC sampai 65 ºC. 3. Suhu plant dianggap merata di daerah yang diatur suhunya. 4. Suhu yang dijadikan referensi untuk perhitungan pada komputer adalah suhu hasil pembacaan dari sensor suhu LM35, tidak ada kalibrasi dengan peralatan pengukur suhu standar. 5. Kendali Fuzzy menggunakan FIS model Sugeno, fungsi keanggotaan masukan himpunan Fuzzy adalah segitiga dan trapesium, fungsi keanggotaan keluaran himpunan Fuzzy yang digunakan adalah singleton, metode pengambilan keputusan menggunakan aturan operasi minimum (min), dan

2 perhitungan nilai keluaran menggunakan rata-rata terbobot (weighted average). 6. Program kendali Fuzzy direalisasikan dengan bahasa pemrograman Delphi. 7. Respon sistem yang diamati adalah respon sistem dengan referensi tetap, respon sistem dengan referensi naik, respon sistem dengan referensi turun, dan respon sistem dengan gangguan sesaat berupa kipas angin. II. DASAR TEORI 2.1 Fungsi Keanggotaan Dalam bentuk fungsional, derajat keanggotaan dinyatakan sebagai fungsi matematis tertentu. Untuk mengetahui derajat keanggotaan dari masing-masing elemen dalam semesta pembicaraan memerlukan perhitungan. Fungsi-fungsi matematis yang biasanya digunakan yaitu fungsi trapesium. Fungsi keanggotaan trapesium mempunyai bentuk seperti pada Gambar 1 dan dispesifikasikan oleh empat parameter {a,b,c,d} seperti pada persamaan (1). μ f (x) 1 0 a b c d Gambar 1 Fungsi keanggotaan trapesium. 0, x a x a, a x b b a Trapesium(x;a,b,c,d) = 1, b x c (1) d x, c x d d c 0, d x Parameter {a,b,c,d} (dengan a<b<c<d) menentukan derajat keanggotaan dari x. 2.2 Dasar Kendali Fuzzy Struktur dasar pengendali Fuzzy terdiri dari empat komponen utama, yaitu Unit Fuzzifikasi (Fuzzification Unit), Basis Pengetahuan (Knowledge Base), Mekanisme Penalaran Fuzzy (Fuzzy Reasoning), dan Unit Defuzzifikasi (Defuzzification Unit). Struktur dasar pengendali Fuzzy ditunjukkan pada Gambar 2. u Unit Fuzzifikasi Basis Pengetahuan Mekanisme Penalaran Fuzzy Proses Yang Dikontrol Unit Defuzzifikasi Gambar 2 Konfigurasi dasar kendali Fuzzy. Penjelasan dari gambar di atas adalah sebagai berikut: Unit Fuzzifikasi Unit fuzzifikasi berfungsi untuk mengubah data masukan crisp ke dalam bentuk himpunan Fuzzy (derajat keanggotaan). Basis Pengetahuan Basis pengetahuan terdiri dari basis data dan basis aturan. Basis data mendefinisikan himpunan Fuzzy atas ruang-ruang masukan dan keluaran. Basis aturan berisi aturan (rule) pengendalian proses. Mekanisme Penalaran Fuzzy Mekanisme penalaran Fuzzy dipergunakan untuk mengolah variabel-variabel masukan berdasarkan basis aturan (rule) ke dalam suatu himpunan Fuzzy keluaran dengan derajat keanggotan yang telah ditetapkan. Unit Defuzzifikasi Defuzzifikasi atau FIS menggunakan model Sugeno, yaitu mengkonversi himpunan Fuzzy keluaran ke bentuk bilangan crisp dengan metode perhitungan rata-rata terbobot (weighted average): (Alpha) (Konsekuen) Keluaran Crisp = (2) (Konsekuen) Alpha = Derajat keanggotaan parameter keluaran Konsekuen = Nilai parameter keluaran 2.3 Teknik Kendali Fuzzy Teknik kendali Fuzzy merupakan sistem kendali yang berdasar pada basis pengetahuan manusia di dalam melakukan kendali terhadap suatu proses. Halhal yang perlu diperhatikan dalam merancang sebuah pengendali berdasarkan logika Fuzzy adalah masukan dan keluaran aktual (crisp) serta semesta pembicaraan, faktor skala dari variabel masukan dan keluaran, fungsi keanggotaan yang digunakan untuk masukan dan keluaran, dan aturan Fuzzy yang digunakan. Sistem loop tertutup dengan pengendali Fuzzy ditunjukkan pada Gambar 3. 2

3 R(s) + Gambar 3 Sistem loop tertutup dengan kendali Fuzzy. Crisp Input berupa masukan kesalahan (error) dan perubahan kesalahan (Δ error). Error dan Δ error diperoleh dari nilai referensi, keluaran plant, dan error sebelumnya. Dua masukan tersebut akan diolah oleh pengendali Fuzzy. Nilai keluaran yang dihasilkan pengendali Fuzzy berupa Crisp Output (sinyal kontrol). Dalam pengendalian Fuzzy terdapat proses evaluasi aturan-aturan (rules). Perancangan aturan dibuat berdasarkan analisis terhadap respon sinyal yang memiliki lonjakan maksimum dan berosilasi, kemudian menentukan besarnya keluaran yang diperlukan. Dalam analisis ini sinyal masukan dan sinyal keluaran digolongkan ke dalam batas-batas linguistik. Gambar sinyal respon sistem ditunjukkan pada Gambar 4, sedangkan basis aturan untuk kendali Fuzzy ditunjukkan pada Gambar 5. Ref Gambar 4 Respon sistem dengan lonjakan dan osilasi. Δ Error Error error - d Δerror Pengendali logika Fuzzy NB NK Z PK PB NB NB NB NB NK Z Proses yang dikontrol NK NB NK NK Z PK Z NB NK Z PK PB PK NK Z PK PK PB PB Z PK PB PB PB Gambar 5 Basis aturan pengendali Fuzzy. Y(s) III. PERANCANGAN dt 3.1 Perancangan Perangkat Keras Perubahan Error Positif Perubahan Error Negatif Keterangan: NB : Negatif Besar NK : Negatif Kecil Z : Zerro PK : Positif Kecil PB : Positif Besar Error Negatif Besar Error Negatif Kecil Error Positif Kecil Error Positif Besar Perangkat keras sistem pengendalian suhu terdiri dari pemanas, sensor suhu dan pengkondisi sinyal, ADC, pengontrol tegangan AC, zerro crossing detector, mikrokontroler, dan komputer. Blok diagram sistem pengendali suhu ditunjukkan pada Gambar 6. Gambar 6 Blok diagram sistem pengendali suhu. Pengaturan suhu dilakukan dengan cara mengatur besarnya panas yang dihasilkan oleh elemen pemanas melalui pemberian tegangan AC, besar tegangan yang diberikan diatur oleh rangkaian pengontrol tegangan AC. Besaran suhu sebagai hasil keluaran yang dihasilkan selama proses kemudian diukur oleh sensor suhu. Selanjutnya keluaran sensor dikuatkan oleh pengkondisi sinyal dan digunakan sebagai masukan ADC, kemudian keluaran ADC dihubungkan ke port di mikrokontroler. Data dari ADC dikirimkan ke komputer melalui komunikasi serial. Masukan dari sensor disebut sebagai variabel process value yang kemudian dibandingkan dengan nilai setpoint (suhu yang dikehendaki). Kedua variabel tersebut diolah oleh komputer berdasarkan algoritma kontrol Fuzzy, kemudian hasil dari proses tersebut dikirim ke mikrokontroler. Selanjutnya data dari hasil proses komputer dan data keluran zerro crossing detector diolah dan digunakan sebagai masukan pada pengontrol tegangan AC. Peralatan komputer juga digunakan untuk menampilkan grafik respon sistem Rangkaian Pengontrol Tegangan AC Pengontrol tegangan AC adalah rangkaian pemicu (triger) triac. Triac BTA40 berhubungan langsung dengan beban yaitu pemanas dan juga berhubungan langsung dengan tegangan jala-jala listrik 220 Volt. Rangkaian pengontrol tegangan AC ditunjukkan pada Gambar 7. Gambar 7 Rangkaian pengontrol tegangan AC. 3

4 Sinyal pemicuan dari mikrokontroler yang berupa pulsa high akan mengalirkan arus ke dalam komponen LED dari MOC3021 dan menjadi aktif (on) yang selanjutnya akan mengaktifkan komponen triacnya. Akibatnya triac akan terpicu dan pemanas akan dialiri oleh arus listrik. Pengaturan waktu pemberian sinyal pemicuan triac menyebabkan tegangan yang diterima pemanas akan bervariasi Rangkaian Zerro Crossing Detector Zero crossing detector adalah rangkaian yang digunakan untuk mendeteksi gelombang sinus AC 220 volt ketika melalui persimpangan titik tegangan nol. Persimpangan titik nol yang dideteksi adalah peralihan dari positif menuju negatif dan peralihan dari negatif menuju positif. Seberangan-seberangan titik nol ini merupakan acuan yang digunakan sebagai awal pemberian nilai waktu tunda untuk pemicuan triac. Rangkaian zerro crossing detector ditunjukkan pada Gambar 8. Gambar 8 Rangkaian zero crossing detector. Masukan yang berupa tegangan AC 12 volt akan disearahkan dengan menggunakan rangkaian dioda jembatan. Arus akan masuk ke komponen LED IC optocoupler TIL111 sehingga mengaktifkan komponen phototransistornya. Setiap tegangan masukan melewati titik tegangan nol, maka sesaat tidak ada arus yang masuk ke IC TIL111 sehingga keluarannya akan berubah dari logika high ke logika low. Selama tidak ada arus yang masuk ke IC TIL111 keluarannya akan tetap berlogika high. Pulsa transisi dari high ke low inilah yang digunakan sebagai sinyal permintaan layanan interupsi eksternal 0 bagi mikrokontroler AT89S51. Selanjutnya melalui layanan interupsi eksternal 0 mikrokontroler AT89S51 secara perangkat lunak akan melakukan proses pemberian nilai waktu tunda untuk pemicuan triac Rangkaian Sensor Suhu dan Pengkondisi Sinyal Sensor suhu berfungsi untuk mengukur suhu pemanas, sedangkan pengkondisi sinyal berfungsi untuk menguatkan tegangan keluaran sensor suhu. Tegangan keluaran dari sensor suhu LM35 akan mengalami perubahan 10 mv untuk setiap perubahan temperatur 1 C, sedangkan jenis pengkondisi sinyal yang digunakan adalah penguat operasional tak membalik (Non-inverting amplifier). Rangkaian pengkondisi sinyal dan sensor suhu ditunjukkan pada Gambar 9. Gambar 9 Rangkaian pengkondisi sinyal dan sensor suhu. Sebelum dikonversikan oleh ADC, tegangan keluaran dari IC LM35 dikuatkan telebih dahulu oleh penguat operasional CA3140. Pengaturan nilai variabel resistor 10 KΩ akan mempengaruhi besarnya penguatan tegangan dari sensor suhu, sehingga dapat disesuaikan dengan besarnya tegangan masukan yang dibutuhkan oleh rangkaian ADC Rangkaian ADC (Analog to Digital Converter) ADC (Analog to Digital Converter) berfungsi untuk mengubah data analog (tegangan keluaran pengkondisi sinyal) menjadi data digital yang dihubungkan pada port mikrokontroler. Rangkaian ADC ditunjukkan pada Gambar 10. Gambar 10 Rangkaian ADC. ADC0804 pada rangkaian ini digunakan untuk mengubah masukan analog keluaran sensor suhu yang sudah dikuatkan menjadi data digital 8 bit. Tipe ADC ini merupakan ADC jenis SAC, yang lama waktu konversinya tidak dipengaruhi oleh besarnya tegangan yang akan dikonversi. ADC ini bekerja pada mode kerja free running. Mode kerja free running memungkinkan ADC untuk terus menerus mengkonversi tegangan input yang diberikan. 4

5 3.1.5 Rangkaian Antarmuka Rangkaian antarmuka (interface) berfungsi sebagai penghubung komunikasi antara PC (Personal Computer) dengan perangkat plant yang dikendalikan, dua komponen penting dalam rangkaian ini adalah mikrokontroler AT89S51 dan IC RS232. Rangkaian antarmuka ditunjukkan pada Gambar 11. Gambar 11 Rangkaian antarmuka. Mikrokontroler AT89S51 digunakan untuk mengatur aliran data dari PC ke program pengontrol tegangan AC dan dari ADC ke PC, sedangkan rangkaian RS232 sebagai komunikasi serial mikrokontroler dan PC. Untuk melakukan fungsifungsinya tersebut di atas, maka dilakukan pengalokasian terhadap port yang ada pada mikrokontroler AT89S51. Port 1 digunakan sebagai penerima masukan data dari ADC. P0.1 berfungsi sebagai keluaran menuju pengontrol tegangan AC, yang selanjutnya digunakan untuk pemberian sinyal picu triac yang akan digunakan untuk mengatur pemberian tegangan ke pemanas. Port 3 sebagian difungsikan sebagai masukan dan sebagian sebagai keluaran, yaitu P3.0 (RXD) dan P3.1 (TXD) untuk komunikasi serial melalui rangkaian RS232 dengan PC, sedangkan P3.2 ( INT0 ) untuk interupsi eksternal dari zerro crossing detector. 3.2 Perancangan Perangkat Lunak Perangkat lunak yang digunakan adalah bahasa pemrograman Delphi 7 yang berfungsi untuk membuat program aplikasi kendali Fuzzy. Selain itu juga digunakan untuk membuat program monitor terhadap kondisi suhu plant yang dikendalikan dengan menampilkan grafik tanggapan respon sistem. Jenis perangkat lunak yang digunakan untuk pemrograman perangkat antarmuka (interface) adalah bahasa assembler. Diagram alir rutin program assembler untuk perangkat antarmuka ditunjukkan pada Gambar 12. Gambar 12 Diagram alir pemrograman perangkat antarmuka. Kendali Fuzzy dirancang dengan tujuan untuk mempercepat respon sistem dan mengatasinya bila terjadi gangguan, sehingga keluaran dari plant cepat mencapai referensinya (set point). Diagram alir program kendali Fuzzy ditunjukkan pada Gambar 13. Gambar 13 Diagram alir utama sistem kendali Fuzzy. Pengendali Fuzzy yang dirancang memiliki dua buah masukan yaitu error dan perubahan error, sedangkan keluaran pengendali Fuzzy menghasilkan nilai byte yang digunakan untuk menentukan tingkat pemanasan sebuah aktuator pemanas. Himpunan Fuzzy untuk keluaran dibagi dalam 5 tingkat pemanasan yang berbentuk diskrit, nama linguistik kelima tingkatan ini adalah parameter. Kelima parameter ini adalah NB (Negatif Besar), NK (Negatif Kecil), Z (Zerro), PK (Positif Kecil), dan PB (Positif Besar). Realisasi bentuk dan batasan keluaran Fuzzy ditunjukkan pada Gambar 14. 5

6 Gambar 14 Realisasi bentuk dan batasan keluaran Fuzzy. Himpunan Fuzzy untuk masukan error dan perubahan error (Δ error), masing-masing dibagi menjadi 5 kelas variabel linguistik. Kelas variabel linguistik ini adalah NB (Negatif Besar), NK (Negatif Kecil), Z (Zerro), PK (Positif Kecil), dan PB (Positif Besar), tiap-tiap kelas ini lazim juga disebut sebagai sub-himpunan Fuzzy. Realisasi bentuk dan batasan masukan error dan perubahan error ditunjukkan pada Gambar 15 dan Gambar 16. Gambar 15 Realisasi bentuk dan batasan masukan error. Gambar 17 Diagram alir penghitung derajat keanggotaan error (Lanjutan). Gambar 16 Realisasi bentuk dan batasan masukan Δ error. Realisasi bentuk masukan error dan perubahan error pada setiap kelasnya dapat berbentuk bahu, trapesium, atau segitiga, sedangkan batasannya dipetakan menjadi 9 ruang (R1 sampai R9). Diagram alir penghitung derajat keanggotaan error dan perubahan error ditunjukkan pada Gambar 17 dan Gambar 18. Gambar 18 Diagram alir penghitung derajat keanggotaan Δ error. Gambar 17 Diagram alir penghitung derajat keanggotaan error. 6

7 Gambar 18 Diagram alir penghitung derajat keanggotaan Δ error (Lanjutan). Setelah menghitung derajat keanggotaan masukan error dan perubahan error (Δ error), tahap selanjutnya adalah evaluasi aturan-aturan (rules). Berdasarkan Gambar 5 dapat menjadi 25 aturan sebagai berikut: If error is NB And Δ error is NB Then output is NB If error is NB And Δ error is NK Then output is NB If error is NB And Δ error is Z Then output is NB If error is NB And Δ error is PK Then output is NK If error is NB And Δ error is PB Then output is Z If error is NK And Δ error is NB Then output is NB If error is NK And Δ error is NK Then output is NK If error is NK And Δ error is Z Then output is NK If error is NK And Δ error is PK Then output is Z If error is NK And Δ error is PB Then output is PK If error is Z And Δ error is NB Then output is NB If eror is Z And Δ error is NK Then output is NK If error is Z And Δ error is Z Then output is Z If error is Z And Δ error is PK Then output is PK If error is Z And Δ error is PB Then output is PB If error is PK And Δ error is NB Then output is NK If error is PK And Δ error is NK Then output is Z If error is PK And Δ error is Z Then output is PK If error is PK And Δ error is PK Then output is PK If error is PK And Δ error is PB Then output is PB If error is PB And Δ error is NB Then output is Z If error is PB And Δ error is NK Then output is PK If error is PB And Δ error is Z Then output is PB If error is PB And Δ error is PK Then output is PB If error is PB And Δ error is PB Then output is PB Sesuai dengan basis aturan yang telah dibuat, selanjutnya sistem Fuzzy melakukan evaluasi terhadap derajat keanggotaan dari masukan error dan perubahan error untuk menentukan derajat keanggotaan parameter keluaran dari setiap aturan. Operator yang digunakan pada aturan adalah operator AND. Diagram alir mekanisme pengambilan keputusan ditunjukkan pada Gambar 19. Gambar 19 Diagram alir mekanisme pengambilan keputusan. Setelah proses mekanisme pengambilan keputusan, langkah berikutnya proses defuzzifikasi atau Fuzzy Inference System (FIS). Berdasarkan hasil derajat keanggotaan parameter keluaran (Gambar 19) dan nilai parameter keluaran (Gambar 14), dilakukan proses FIS model Sugeno yaitu dengan metode perhitungan rata-rata terbobot (weighted average) seperti pada persamaan (2) 3.3 Parameter Kendali Fuzzy Dalam perancangan kendali Fuzzy telah ditetapkan aturan-aturan yang digunakan, adapun bentuk dan batasan dari fungsi keanggotaan himpunan Fuzzy masukan dan himpunan Fuzzy keluaran merupakan variabel yang dapat diubah sesuai dengan performansi yang diinginkan pengguna. Bentuk dan batasan himpunan Fuzzy masukan error dan masukan Δ error ditunjukkan pada Gambar 20 dan Gambar 21. Gambar 20 Bentuk dan batasan himpunan Fuzzy masukan error. Gambar 20 Bentuk dan batasan himpunan Fuzzy masukan Δerror. Bentuk dan batasan himpunan Fuzzy keluaran singleton ditunjukkan pada Gambar 22. 7

8 24, sedangkan karakteristik respon sistem pada referensi tetap ditunjukkan oleh Tabel 1. Gambar 22 Bentuk dan batasan keluaran Fuzzy. IV. PENGUJIAN DAN ANALISIS 4.1 Pengujian Kalang Terbuka Untuk mengetahui karakteristik plant suhu yang akan dikendalikan, maka dapat dilakukan dengan pengujian secara kalang terbuka. Pengujian kalang terbuka ini dilakukan dengan cara mengirimkan data dengan jangkauan antara 0 sampai 82 byte, data tersebut dikirimkan komputer ke mikrokontroler. Bila dikirimkan data 82 byte akan menyebabkan plant suhu menghasilkan tingkat pemanasan yang maksimal, sedangkan data 0 byte akan menyebabkan plant suhu menghasilkan pemanasan yang minimal. Nilai konstanta waktu sistem (T) adalah besarnya waktu yang diperlukan untuk mencapai suhu 0,632 dari suhu stabil. Respon pengujian kalang terbuka ditunjukkan pada Gambar 23. (a) Referensi 40 ºC. (b) Referensi 48 ºC. (b) Referensi 56 ºC. Gambar 24 Grafik respon sistem pengujian referensi tetap. Gambar 23 Grafik respon sistem pada pengujian kalang terbuka. Pengujian dilakukan dengan cara mengirimkan data 82 byte. Berdasarkan respon hasil pengujian terlihat bahwa pada suhu awal 30,588 ºC, setelah 30 detik suhu plant stabil pada suhu 72,353 ºC. Suhu untuk mendapatkan konstanta waktu sistem bernilai (0,632 (72,353 30,588) ºC) + 30,588 ºC = 56,983 ºC. Bardasarkan respon hasil pengujian terlihat pada suhu 56,983 ºC waktunya 6,7 detik, jadi besarnya konstanta waktu sistem adalah 6,7 detik. 4.2 Pengujian Sistem dengan Referensi Tetap Pengujian dilakukan dengan cara memberikan nilai referensi tertentu untuk mendapatkan grafik responnya. Hal ini bertujuan untuk mengetahui respon untuk tiap-tiap nilai referensi. Nilai referensi yang diujikan adalah 40 ºC, 46 ºC, dan 56 ºC. Respon hasil pengujian referensi tetap ditunjukkan pada Gambar Tabel 1 Karakteristik respon sistem pada referensi tetap. Rf X 0 t r t p Lm t s X t Ofs 40 31,176 39, ,176 1, ,941 43,5 33 1,91 74,9 47,058-0, ,529 73,8 74 0,078 93,13 55,921 - Keterangan: Rf = Nilai referensi X 0 = Suhu awal t r = Waktu naik (detik) t p = Waktu puncak (detik) Lm = Lonjakan maksimum t s = Waktu penetapan (detik) X t = Suhu akhir Ofs = Nilai offset Waktu naik dari tiap pengujian memiliki nilai yang berbeda, hal tersebut karena perbedaaan selisih antara suhu awal dan nilai referensi pada tiap pengujian berbeda. Nilai selisih untuk referensi 40 ºC, referensi 48 ºC, dan referensi 56 ºC adalah 8,824 ºC, 15,059 ºC, dan 22,471 ºC. 8

9 4.3 Pengujian Sistem dengan Referensi Naik Pengujian dengan referensi naik bertujuan bertujuan untuk mengetahui kecepatan respon kendali Fuzzy terhadap kenaikan nilai referensi. Respon pengujian referensi naik ditunjukkan pada Gambar 25, sedangkan karakteristik respon sistem pada referensi naik ditunjukkan oleh Tabel 2. Gambar 26 Grafik respon sistem pengujian referensi turun. Gambar 25 Grafik respon sistem pengujian referensi naik. Tabel 2 Karakteristik respon sistem pada referensi naik. Rf X 0 t r t p Lm t s X t Ofs 38 31,176 9, ,121 23,75 38, ,015 12,15 12,68 0,889 26,31 44, ,919 22,65 24,1 0,919 29,35 55,333-0,667 Keterangan: Rf = Nilai referensi X 0 = Suhu awal t r = Waktu naik (detik) t p = Waktu puncak (detik) Lm = Lonjakan maksimum t s = Waktu penetapan (detik) X t = Suhu akhir Ofs = Nilai offset Respon sistem pada pengujian referensi naik memperlihatkan bahwa terjadi lonjakan untuk tiap pengujiannya. Lonjakan maksimum pada pengujian referensi 38 ºC, referensi 45 ºC dan referensi 56 ºC sebesar 2,95 %, 1,98 %, dan 1,64 %. Offset terjadi pada pengujian 56 ºC sebesar 0,667 di bawah nilai referensi, hal ini karena keterbatasan tingkat ketelitian ADC yaitu kenaikan 1 bit mewakili kenaikan suhu 0,588 ºC. Perbedaan waktu naik terjadi karena perbedaan nilai selisih antara suhu awal dan nilai referensi. Nilai selisih untuk referensi 38 ºC, referensi 45 ºC, dan referensi 56 ºC adalah 6,824 ºC, 6,985 ºC, dan 11,081 ºC. 4.4 Pengujian Sistem dengan Referensi Turun Pengujian dengan referensi naik bertujuan bertujuan untuk mengetahui kecepatan respon kendali Fuzzy terhadap penurunan nilai referensi. Respon hasil pengujian referensi turun ditunjukkan pada Gambar 26, sedangkan karakteristik respon sistem pada referensi turun ditunjukkan oleh Tabel 3. Tabel 3 Karakteristik respon sistem pada referensi turun. Rf X 0 t r t p Lm t s X t Ofs 60 57,058 11,25 12,01 0,669 19,13 59, , ,7 51, , ,647 0,647 Keterangan: Rf = Nilai referensi X 0 = Suhu awal t r = Waktu naik (detik) t p = Waktu puncak (detik) Lm = Lonjakan maksimum t s = Waktu penetapan (detik) X t = Suhu akhir Ofs = Nilai offset Pengujian referensi turun memperlihatkan bahwa pada suhu 44 ºC nilai referensi tidak tercapai karena keluaran respon sistem cenderung stabil pada suhu 44,647 ºC, ini berarti terjadi offset sebesar 0,647 di atas nilai referensi. Waktu penetapan pada pengujian referensi 44 ºC lebih lama dibanding pengujian lainnya, sedangkan lonjakan maksimum terjadi pada pengujian referensi 60 ºC sebesar 1,12 %. 4.5 Pengujian Sistem dengan Gangguan Daya tahan sistem terhadap gangguan dan kecepatan respon sistem untuk kembali ke referensi sebelum gangguan, dapat diketahui dengan melakukan pengujian dengan memberikan gangguan pada sistem yang telah mencapai kestabilan pada suatu nilai referensi. Respon plant terhadap gangguan ditunjukkan pada Gambar 27. Gambar 27 Grafik respon sistem pengujian dengan gangguan. 9

10 Gangguan yang diberikan dengan cara menyalakan kipas angin secara sesaat, kipas tersebut kemudian menyerap udara keluar sehingga suhu plant akan turun. Waktu yang diperlukan untuk kembali ke referensi semula disebut waktu pemulihan. Pengujian dengan gangguan dimulai dengan menetapkan suhu referensi yaitu 45 ºC dengan suhu awal 37,588 ºC. Lonjakan maksimum terjadi pada waktu 23,75 detik, kemudian respon sistem mulai stabil setelah 34,1 detik. Setelah 48,83 detik kipas angin mulai dinyalakan sesaat, sekitar ± 9,17 detik. Selanjutnya diketahui bahwa suhu dalam plant turun sampai dengan 33,921 ºC pada detik ke 58. Setelah pemberian gangguan, respon sistem berangsur-angsur kembali ke referensi sebelumnya pada detik ke 88,98. Waktu pemulihan dari pengujian tersebut adalah 30,98 detik. V. PENUTUP 5.1 Kesimpulan Berdasarkan hasil pengujian yang dilakukan didapatkan kesimpulan sebagai berikut: 1. Berdasarkan pengujian secara kalang terbuka didapatkan konstanta waktu sistem sebesar 6,7 detik. 2. Waktu naik dari respon sistem akan semakin lama bila nilai referensi semakin tinggi. 3. Pada pengujian dengan nilai referensi tetap tertentu, waktu naik untuk tiap pengujiannya nilainya semakin besar. 4. Respon sistem dikatakan mengalami offset bila selisih antara suhu akhir dan nilai referensi tidak melebihi 0,588 ºC. 5. Pada pengujian referensi naik, lonjakan maksimum untuk tiap pengujiannya nilainya semakin kecil. 6. Nilai offset bernilai negatif jika suhu akhir di bawah nilai referensi, sedangkan bernilai positif jika suhu akhir di atas nilai referensinya. 7. Pada pengujian referensi turun, waktu penetapan untuk tiap pengujiannya nilainya semakin besar. 8. Pada pengujian dengan gangguan didapatkan nilai waktu pemulihan sebesar 30,98 detik. 5.2 Saran Beberapa saran dari pelaksanaan tugas akhir ini adalah sebagai berikut: 1. Untuk mempercepat respon sistem terhadap kenaikan suhu perlu ditambahkan pemanas, sedangkan untuk mempercepat respon terhadap penurunan suhu perlu ditambahkan pendingin. 2. Bila diinginkan hasil respon sistem yang baik, maka dapat dicoba dengan mengubah dan mengatur basis aturan serta fungsi keanggotaan pada pengendali logika Fuzzy, atau menggunakan ADC 12 bit yang memiliki resolusi lebih tinggi. 3. Untuk mengetahui performansi kendali Fuzzy pada sistem, maka dapat diuji misalnya untuk pengendalian suhu dan kelembaban, atau pengendalian kecepatan puratan motor. 4. Untuk karakteristik pengendali sistem yang lain, maka plant dapat diaplikasikan pada jenis pengendali yang lain misalnya kendali hibrid PI Fuzzy, kendali ANFIS, atau Jaringan Syaraf Tiruan. DAFTAR PUSTAKA [1] Budiharto, Widodo., Interfacing Komputer dan Mikrokontroler, Elexmedia komputindo, Jakarta, [2] Carr, Joseph J., Sensors and Circuits, Prentice Hall Inc., New Jersey, [3] Jamsidi Mohammad, Nader Vadiec and Timothy J Ross, Fuzzy Logic and Control: Software and Hardware Applications, Prentice Hall Inc., New Jersey, [4] Kusumadewi, Sri., Analisis & Desain Sistem Fuzzy Menggunakan Toolbox Matlab, Graha Ilmu, Yogyakarta, [5] Nalwan, Paulus Andi., Panduan Praktis Teknik Antarmuka dan Pemrograman Mikrokontroler AT89C51, Gramedia, Jakarta, [6] Ogata, Katsuhiko., Teknik Kontrol Automatik Jilid 1, Erlangga, Jakarta, [7] Passino, Kevin M. dan Yurkovich, Stephen, Fuzzy Control, Adisson Wesley Longman Inc., California, [8] Rashid, Muhammad., Power Electronics, Circuit, Devices and Applications, Second Edition, Prentice Hall Inc., New Jersey, [9] Sutikno, Perbandingan Metode Defuzzifikasi Aturan Mamdani Pada Sistem Kendali Logika Fuzzy (Studi Kasus Pada Pengaturan Kecepatan Motor DC), Tugas Akhir, Jurusan Teknik Elektro Universitas Diponegoro, Semarang,

11